14 августа 2026 года Zhipu AI выпустила GLM-5.3. Обновление GLM-5.3 делает её самой сильной открытой моделью для программирования, обогнав все открытые модели в бенчмарках Terminal Bench 3.0 и Agents' Last Exam. Базовая архитектура не менялась: те же 743 миллиарда параметров, что у GLM-5.2. Все улучшения получены за счёт посттренировочного масштабирования. Во внутренних тестах результат вырос на 50%. Второе направление обновления — кибербезопасность: модель достигла уровня Mythos 5 от Anthropic в анализе исходного кода и удвоила результат в поиске уязвимостей.
Краткий обзор
Модель программирования GLM получила обновление по трём направлениям. Ниже — основные характеристики выпуска.
| Категория | Содержание обновления |
|---|---|
| Программирование | Рекорд среди open-source в Terminal Bench 3.0 (28.3), DeepSWE v1.1 (66.9), Agents' Last Exam (28.5) |
| Кибербезопасность | CyberGym 84.5%, ExploitBench 54.4%, 2436 уязвимостей в 269 проектах |
| Эффективность | 31.4% точность при ~50K tokens, против 29.5% у Claude Opus 4.8 при ~120K tokens |
| Открытые веса | Через две недели после выпуска, после проверки безопасности |
| Инструменты | ZCode, AutoClaw, GLM Coding Plan для всех пользователей |
Версия, дата выпуска и область применения
GLM-5.3 выпущена 14 августа 2026 года. Разработчик — Zhipu AI, международный бренд Z.ai. Модель построена на базе GLM-5.2: 743 миллиарда параметров, та же базовая архитектура без увеличения размера модели. Все улучшения получены через посттренировочное масштабирование с использованием трёх внутренних фреймворков: IndexShare для длинных контекстов, SAO для длинных задач и обновлённый Slime для масштабного асинхронного обучения.
Модель программирования GLM предназначена для сложного программирования, длинных агентных задач и анализа безопасности кода. Доступна через официальные инструменты Zhipu AI: ZCode для программирования и AutoClaw для повышения эффективности. Также интегрирована в сторонние платформы: TraeWork, WorkBuddy, Qoder, OpenCode, JoyCode и другие.
Основные обновления GLM-5.3
Обновление GLM-5.3 затрагивает три направления: программирование, кибербезопасность и эффективность использования токенов.
В программировании модель показала самый заметный рост. Во внутреннем тесте Z.ai Code Bench результат вырос на 50% по сравнению с GLM-5.2. В публичных бенчмарках модель заняла первое место среди открытых источников. Terminal Bench 3.0 показал рост с 4.6 до 28.3 баллов, что более чем в шесть раз превышает прежний результат. DeepSWE v1.1 вырос с 46.2 до 66.9. Agents' Last Exam поднялся с 23.8 до 28.5. В тесте GDPval-AA v2, охватывающем 44 профессии, модель набрала 1769 баллов, показав способность выполнять профессиональные задачи на основе программных навыков.
Кибербезопасность GLM стала вторым неожиданным направлением. В бенчмарке CyberGym, оценивающем поиск уязвимостей через анализ исходного кода, GLM-5.3 набирает 84.5%. Для сравнения: GLM-5.2 — 77.2%, Mythos 5 — 83.8%, GPT-5.6 Sol — 83.6%. В ExploitBench результат удвоился: 54.4% против 24.4% у предшественника. До Mythos 5 (78.0%) в этом тесте далеко, но прогресс заметный. В тесте ExploitGym модель выполняет 105 задач за два часа и 130 за шесть часов, тогда как GLM-5.2 справлялась только с 29 и 39 задачами соответственно.
Эффективность токенов — третье направление. Настройка High в Z.ai Code Bench даёт 31.4% точности при примерно 50 тысячах токенов на задачу. Claude Opus 4.8 на максимальной настройке получает 29.5%, тратя около 120 тысяч токенов. Короче и точнее.
GLM-5.3 vs GLM-5.2: что изменилось
Сравнение результатов двух версий в основных бенчмарках показывает масштаб прогресса. Данные взяты из официального технического отчёта Zhipu AI.
| Бенчмарк | GLM-5.2 | GLM-5.3 | Изменение |
|---|---|---|---|
| Terminal Bench 3.0 | 4.6 | 28.3 | +515% |
| DeepSWE v1.1 | 46.2 | 66.9 | +45% |
| Agents' Last Exam | 23.8 | 28.5 | +20% |
| GDPval-AA v2 | н/д | 1769 | Новый тест |
| CyberGym | 77.2% | 84.5% | +7.3 п.п. |
| ExploitBench | 24.4% | 54.4% | +30 п.п. |
| ExploitGym (2 ч) | 29 | 105 | +262% |
| ExploitGym (6 ч) | 39 | 130 | +233% |
| Z.ai Code Bench (High) | 23.4% | 31.4% | +34% |
GLM-5.3 vs GLM-5.2 показывает: наибольший рост пришёлся на Terminal Bench 3.0, где результат увеличился более чем в шесть раз. В кибербезопасности прогресс асимметричен: поиск уязвимостей (CyberGym) уже сравнялся с лидерами, но эксплуатация уязвимостей (ExploitBench) отстаёт от Mythos 5.
Цена и доступность GLM-5.3
GLM-5.3 доступна через несколько каналов. ZCode, официальный инструмент программирования от Zhipu AI, запущен одновременно с моделью. AutoClaw, инструмент повышения эффективности, также доступен. GLM Coding Plan, ранее ограниченный, теперь полностью открыт для всех пользователей. Несколько сторонних платформ получили ранний доступ: TraeWork, WorkBuddy, Qoder, OpenCode, JoyCode, CatPaw.
Запуск API ожидается позже. Точная дата не объявлена. Веса модели откроются через две недели после выпуска, после проверки безопасности и усиления защиты. Цены на API не опубликованы на момент выхода.
Ограничения GLM-5.3
Несколько ограничений стоит учитывать при работе с моделью.
Отставание от закрытых моделей сохраняется. Несмотря на первое место среди открытых моделей, GLM-5.3 не догнала Claude Fable 5 в общих результатах. В Terminal Bench 3.0: Fable 5 — 33.7, GLM-5.3 — 28.3. В DeepSWE v1.1: 69.7 против 66.9. Разрыв сократился, но не исчез.
Кибербезопасность асимметрична. Модель сильна в поиске уязвимостей (CyberGym), но в эксплуатации уязвимостей (ExploitBench, ExploitGym) отстаёт от Mythos 5 и GPT-5.6 Sol. Чем глубже цепочка от поиска до эксплуатации уязвимостей, тем больше разрыв.
Результаты не прошли независимую проверку. Все бенчмарки предоставлены самой компанией Zhipu AI и ещё не воспроизведены сторонними командами. Стандартная практика для новых моделей, но стоит иметь в виду.
Веса модели ещё закрыты. До их открытия через две недели модель доступна только через официальные инструменты и платформы. Запустить локально пока нельзя.
Невозможность отключить рассуждение. В отличие от GLM-5.2, новая модель не поддерживает полное отключение режима рассуждения. Для задач, где важна скорость, а не глубина анализа, это увеличивает расход токенов.
Заключение
Обновление GLM-5.3 — значимый шаг для открытых моделей. Открытая ИИ-модель от Zhipu AI доказала, что без увеличения базовой архитектуры, только за счёт посттренировочного масштабирования, можно поднять результаты до уровня, близкого к лучшим закрытым моделям. Для разработчиков, которые ищут модель программирования GLM с открытыми весами, это пока самый сильный вариант из доступных.
Модель уже доступна через ZCode и GLM Coding Plan. Веса откроются через две недели. Если вы работаете с кодом и хотите попробовать открытую модель, которая конкурирует с закрытыми аналогами, GLM-5.3 заслуживает внимания.